CN110398386A - 一种智能化判断空调系统温湿度测点状态的方法 - Google Patents
一种智能化判断空调系统温湿度测点状态的方法 Download PDFInfo
- Publication number
- CN110398386A CN110398386A CN201910574442.XA CN201910574442A CN110398386A CN 110398386 A CN110398386 A CN 110398386A CN 201910574442 A CN201910574442 A CN 201910574442A CN 110398386 A CN110398386 A CN 110398386A
- Authority
- CN
- China
- Prior art keywords
- measuring point
- conditioning system
- temperature
- air
- humidity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/008—Subject matter not provided for in other groups of this subclass by doing functionality tests
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种智能化判断空调系统温湿度测点状态的方法,包括判断测点传感器状态、判断测点受外部环境干扰的情况、计算小干扰情况下的判定及加权平均、计算大干扰情况下的判定及加权平均和被剔除点恢复判定五个步骤;能够智能化且更精确判断空调系统反应控制区域的温湿度测点的状态。
Description
技术领域
本发明属于工业控制系统技术领域,具体涉及一种智能化判断空调系统温湿度测点状态的方法。
背景技术
在烟草行业的车间组合式空调控制系统中,根据烟草工艺需求,在各控制区域安装多个温湿度传感器测点,一般选用多个测点的平均温湿度反映控制区域的温湿度情况(平均温湿度一般采用平均值的算法得出)。现场的温湿度情况反馈至空调控制系统后,空调系统相应阀门、风机进行相应的控制调整,实现控制区域温湿度的稳定。但在实际运行过程中,经常因控制区域的一些干扰因素,引起该区域的个别温湿度测点数值发生大的变化,例如:门窗开关、设备短时排出蒸汽等热源等,或是由于某个传感器故障、信号线传递信号受干扰等原因。普通空调控制系统中,每个温湿度测点的数值始终参与控制区域平均温湿度数值的计算。因此会由于个别测点异常,导致整个区域平均温湿度数值不能真实反应实际温湿度的情况,引起空调控制系统异常工作,严重时会导致控制区域的烟草产品工艺质量受影响。
发明内容
为解决上述现有技术中存在的技术问题,本发明提供了一种判断温湿度测点数值是否受外部因素干扰或温湿度传感器工作是否正常,在平均温湿度的运算中剔除异常点,合理利用运行正常的温湿度测点,更精确反应控制区域的实时温湿度的智能化判断空调系统温湿度测点状态的方法。
本发明解决其技术问题是通过以下技术方案实现的:
一种智能化判断空调系统温湿度测点状态的方法,具体包括以下步骤:
步骤S1、判断测点传感器状态
等时间间隔采集空调系统的温湿度数值,设定当前测点所采集的空调系统的温湿度数值为Ti(i≥1),设定当前测点上一次所采集的空调系统的温湿度数值为Ti-1(i≥1),同时设定判定测点异常跳变阈值为kT,当|Ti-Ti-1|>kT时,则判定当前测点为异常状态,并剔除当前测点所采集的空调系统的温湿度数值,即当前测点所采集的空调系统的温湿度数值不参与空调系统的区域平均温湿度数值的计算;
步骤S2、判断测点受外部环境干扰的情况
如果步骤S1中,未出现连续两个测点为异常状态,则判定测点传感器无明显故障,此时,将步骤S1中判断为异常状态的测点剔除后的所有测点所采集的空调系统的温湿度数值进行空调系统的区域平均温湿度数值的计算,得到临时平均值T‘,同时,设定温湿度标准目标值为Tset,设定两个判定限制系数,分别为小干扰判定限制系数Kmin和大干扰判定限制系数Kmax;
步骤S3、计算小干扰情况下的判定及加权平均
根据所述步骤S2的小干扰判定限制系数Kmin,判断当前测点所采集的空调系统的温湿度数值Ti是否是小干扰因素,如果|Ti-Tset|>Kmin*|T‘-Tset|且|Ti-Tset|<Kmax*|T‘-Tset|,则判定当前测点为小干扰因素,并将当前测点所采集的空调系统的温湿度数值经过加权平均计算后参与空调系统的区域平均温湿度数值的计算;
步骤S4、计算大干扰情况下的判定及加权平均
根据所述步骤S2的大干扰判定限制系数Kmax,判断当前测点所采集的空调系统的温湿度数值Ti是否是大干扰因素,如果|Ti-Tset|≥Kmax*|T‘-Tset|,则判定当前测点为大干扰因素,即当前测点所属区域受到较大干扰,并剔除当前测点所采集的空调系统的温湿度数值,即当前测点所采集的空调系统的温湿度数值不参与空调系统的区域平均温湿度数值的计算;
步骤S5、被剔除点恢复判定
将所述步骤S1及步骤S4中被剔除的测点所采集的空调系统的温湿度数值,进行进一步判定,若当前测点所采集的空调系统的温湿度数值连续若干次出现|Ti-Tset|<Kmin*|T‘-Tset|,则判定当前测点恢复正常且当前测点所采集的空调系统的温湿度数值参与控制区域平均温湿度值运算。
优选的,步骤S1中,采集空调系统的温湿度数值的时间间隔为0.5s。
优选的,步骤S1中,kT=2。
优选的,步骤S2中,Kmin=1.5,Kmax=5。
进一步的,所述步骤S3及步骤S4中,所述空调系统的区域平均温湿度数值的计算公式如下:
T=(T1+T2+…+k*Ti+…+Tn)/n
其中,n为当前参与运算的测点个数。
优选的,所述步骤S5中,若当前测点所采集的空调系统的温湿度数值连续30次出现|Ti-Tset|<Kmin*|T‘-Tset|,则判定当前测点恢复正常且当前测点所采集的空调系统的温湿度数值参与控制区域平均温湿度值运算。
与现有技术相比,本发明的有益效果为:
(1)避免了因温湿度传感器故障或外部环境干扰而引起的空调控制系统异常工作,减少空调系统运行的波动,提高系统运行的稳定性,保证生产区域的温湿度指标在正常范围内;
2)降低系统操作人员和维护人员日常工作强度,提升了空调系统运维的自动化和智能化水平;
3)本发明中同时具有异常测点自恢复机制,使得测点在硬件故障维修正常或环境干扰消失后能自动重新进入平均值的运算范围,避免人员的反复劳动,大大提升了系统的可靠性和智能化。
附图说明
图1是本发明的实施例的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
此外,术语“水平”、“竖直”、“悬垂”等术语并不表示要求部件绝对水平或悬垂,而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平,并不是表示该结构一定要完全水平,而是可以稍微倾斜。
在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例
如图1所示,一种智能化判断空调系统温湿度测点状态的方法,具体包括以下步骤:
步骤S1、判断测点传感器状态
每间隔0.5s采集一次空调系统的温湿度数值,设定当前测点所采集的空调系统的温湿度数值为Ti(i≥1),设定当前测点上一次所采集的空调系统的温湿度数值为Ti-1(i≥1),同时设定判定测点异常跳变阈值为kT,kT=2。当|Ti-Ti-1|>kT时,则判定当前测点为异常状态,并剔除当前测点所采集的空调系统的温湿度数值,即当前测点所采集的空调系统的温湿度数值不参与空调系统的区域平均温湿度数值的计算;
步骤S2、判断测点受外部环境干扰的情况
如果步骤S1中,未出现连续两个测点为异常状态,则判定测点传感器无明显故障,此时,将步骤S1中判断为异常状态的测点剔除后的所有测点所采集的空调系统的温湿度数值进行空调系统的区域平均温湿度数值的计算,得到临时平均值T′,同时,设定温湿度标准目标值为Tset,设定两个判定限制系数,分别为小干扰判定限制系数Kmin和大干扰判定限制系数Kmax,且Kmin=1.5,Kmax=5;
步骤S3、计算小干扰情况下的判定及加权平均
根据所述步骤S2的小干扰判定限制系数Kmin,判断当前测点所采集的空调系统的温湿度数值Ti是否是小干扰因素,如果|Ti-Tset|>Kmin*|T‘-Tset|且|Ti-Tset|<Kmax*|T‘-Tset|,则判定当前测点为小干扰因素,并将当前测点所采集的空调系统的温湿度数值经过加权平均计算后参与空调系统的区域平均温湿度数值的计算;
步骤S4、计算大干扰情况下的判定及加权平均
根据所述步骤S2的大干扰判定限制系数Kmax,判断当前测点所采集的空调系统的温湿度数值Ti是否是大干扰因素,如果|Ti-Tset|≥Kmax*|T‘-Tset|,则判定当前测点为大干扰因素,即当前测点所属区域受到较大干扰,并剔除当前测点所采集的空调系统的温湿度数值,即当前测点所采集的空调系统的温湿度数值不参与空调系统的区域平均温湿度数值的计算;
步骤S5、被剔除点恢复判定
将所述步骤S1及步骤S4中被剔除的测点所采集的空调系统的温湿度数值,进行进一步判定,若当前测点所采集的空调系统的温湿度数值连续30次出现|Ti-Tset|<Kmin*|T‘-Tset|,则判定当前测点恢复正常且当前测点所采集的空调系统的温湿度数值参与控制区域平均温湿度值运算。
需要说明的是,所述步骤S3及步骤S4中,所述空调系统的区域平均温湿度数值的计算公式如下:
T=(T1+T2+…+k*Ti+…+Tn)/n
其中,n为当前参与运算的测点个数。
采用本实施例的方法后,空调系统避免了因为传感器故障或外部干扰而引起的空调系统异常工作。同时在本实施例的方法中具有测点恢复机制,使得测点在故障维修正常或干扰去除后能自动加入平均值运算,大大提升了系统的可靠性和智能化。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种智能化判断空调系统温湿度测点状态的方法,其特征在于,具体包括以下步骤:
步骤S1、判断测点传感器状态
等时间间隔采集空调系统的温湿度数值,设定当前测点所采集的空调系统的温湿度数值为Ti(i≥1),设定当前测点上一次所采集的空调系统的温湿度数值为Ti-1(i≥1),同时设定判定测点异常跳变阈值为kT,当|Ti-Ti-1|>kT时,则判定当前测点为异常状态,并剔除当前测点所采集的空调系统的温湿度数值,即当前测点所采集的空调系统的温湿度数值不参与空调系统的区域平均温湿度数值的计算;
步骤S2、判断测点受外部环境干扰的情况
如果步骤S1中,未出现连续两个测点为异常状态,则判定测点传感器无明显故障,此时,将步骤S1中判断为异常状态的测点剔除后的所有测点所采集的空调系统的温湿度数值进行空调系统的区域平均温湿度数值的计算,得到临时平均值T‘,同时,设定温湿度标准目标值为Tset,设定两个判定限制系数,分别为小干扰判定限制系数Kmin和大干扰判定限制系数Kmax;
步骤S3、计算小干扰情况下的判定及加权平均
根据所述步骤S2的小干扰判定限制系数Kmin,判断当前测点所采集的空调系统的温湿度数值Ti是否是小干扰因素,如果|Ti-Tset|>Kmin*|T‘-Tset|且|Ti-Tset|<Kmax*|T‘-Tset|,则判定当前测点为小干扰因素,并将当前测点所采集的空调系统的温湿度数值经过加权平均计算后参与空调系统的区域平均温湿度数值的计算;
步骤S4、计算大干扰情况下的判定及加权平均
根据所述步骤S2的大干扰判定限制系数Kmax,判断当前测点所采集的空调系统的温湿度数值Ti是否是大干扰因素,如果|Ti-Tset|≥Kmax*|T‘-Tset|,则判定当前测点为大干扰因素,即当前测点所属区域受到较大干扰,并剔除当前测点所采集的空调系统的温湿度数值,即当前测点所采集的空调系统的温湿度数值不参与空调系统的区域平均温湿度数值的计算;
步骤S5、被剔除点恢复判定
将所述步骤S1及步骤S4中被剔除的测点所采集的空调系统的温湿度数值,进行进一步判定,若当前测点所采集的空调系统的温湿度数值连续若干次出现|Ti-Tset|<Kmin*|T‘-Tset|,则判定当前测点恢复正常且当前测点所采集的空调系统的温湿度数值参与控制区域平均温湿度值运算。
2.根据权利要求1所述的一种智能化判断空调系统温湿度测点状态的方法,其特征在于,步骤S1中,采集空调系统的温湿度数值的时间间隔为0.5s。
3.根据权利要求1所述的一种智能化判断空调系统温湿度测点状态的方法,其特征在于,步骤S1中,kT=2。
4.根据权利要求1所述的一种智能化判断空调系统温湿度测点状态的方法,其特征在于,步骤S2中,Kmin=1.5,Kmax=5。
5.根据权利要求1所述的一种智能化判断空调系统温湿度测点状态的方法,其特征在于,所述步骤S3及步骤S4中,所述空调系统的区域平均温湿度数值的计算公式如下:
T=(T1+T2+…+k*Ti+…+Tn)/n
其中,n为当前参与运算的测点个数。
6.根据权利要求1所述的一种智能化判断空调系统温湿度测点状态的方法,其特征在于,所述步骤S5中,若当前测点所采集的空调系统的温湿度数值连续30次出现|Ti-Tset|<Kmin*|T‘-Tset|,则判定当前测点恢复正常且当前测点所采集的空调系统的温湿度数值参与控制区域平均温湿度值运算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910574442.XA CN110398386B (zh) | 2019-06-28 | 2019-06-28 | 一种智能化判断空调系统温湿度测点状态的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910574442.XA CN110398386B (zh) | 2019-06-28 | 2019-06-28 | 一种智能化判断空调系统温湿度测点状态的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110398386A true CN110398386A (zh) | 2019-11-01 |
CN110398386B CN110398386B (zh) | 2021-03-19 |
Family
ID=68323740
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910574442.XA Active CN110398386B (zh) | 2019-06-28 | 2019-06-28 | 一种智能化判断空调系统温湿度测点状态的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110398386B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113606752A (zh) * | 2021-06-29 | 2021-11-05 | 宁波德业日用电器科技有限公司 | 避免跳变的除湿机湿度显示方法 |
CN115112167A (zh) * | 2022-06-01 | 2022-09-27 | 浙江中烟工业有限责任公司 | 应用于卷烟厂生产区域的温湿度传感器预警系统及方法 |
CN115112167B (zh) * | 2022-06-01 | 2024-07-02 | 浙江中烟工业有限责任公司 | 应用于卷烟厂生产区域的温湿度传感器预警系统及方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184267A (zh) * | 2011-04-14 | 2011-09-14 | 上海同岩土木工程科技有限公司 | 一种自动数据采集系统消除干扰的异常数据过滤方法 |
CN102393881A (zh) * | 2011-09-08 | 2012-03-28 | 杭州微松环境科技有限公司 | 一种实时多传感温度数据融合的高精度检测方法 |
CN104236009A (zh) * | 2013-06-20 | 2014-12-24 | 广东美的制冷设备有限公司 | 空调信号采集补偿装置和方法 |
CN104656530A (zh) * | 2015-01-16 | 2015-05-27 | 浙江大学 | 一种老年寓所的室内环境监控系统及方法 |
CN105403245A (zh) * | 2015-10-16 | 2016-03-16 | 沈阳农业大学 | 日光温室无线传感器多数据融合方法 |
CN105425775A (zh) * | 2015-12-04 | 2016-03-23 | 河南中烟工业有限责任公司许昌卷烟厂 | 一种传感器故障自动判断方法及系统 |
US20170003045A1 (en) * | 2013-03-15 | 2017-01-05 | Transformative Wave Technologies Llc | System and method of advanced digital economization |
CN108230649A (zh) * | 2017-12-25 | 2018-06-29 | 韦德永 | 基于无线传感器网络的温室精细作物生长环境监测系统及方法 |
-
2019
- 2019-06-28 CN CN201910574442.XA patent/CN110398386B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184267A (zh) * | 2011-04-14 | 2011-09-14 | 上海同岩土木工程科技有限公司 | 一种自动数据采集系统消除干扰的异常数据过滤方法 |
CN102393881A (zh) * | 2011-09-08 | 2012-03-28 | 杭州微松环境科技有限公司 | 一种实时多传感温度数据融合的高精度检测方法 |
US20170003045A1 (en) * | 2013-03-15 | 2017-01-05 | Transformative Wave Technologies Llc | System and method of advanced digital economization |
CN104236009A (zh) * | 2013-06-20 | 2014-12-24 | 广东美的制冷设备有限公司 | 空调信号采集补偿装置和方法 |
CN104656530A (zh) * | 2015-01-16 | 2015-05-27 | 浙江大学 | 一种老年寓所的室内环境监控系统及方法 |
CN105403245A (zh) * | 2015-10-16 | 2016-03-16 | 沈阳农业大学 | 日光温室无线传感器多数据融合方法 |
CN105425775A (zh) * | 2015-12-04 | 2016-03-23 | 河南中烟工业有限责任公司许昌卷烟厂 | 一种传感器故障自动判断方法及系统 |
CN108230649A (zh) * | 2017-12-25 | 2018-06-29 | 韦德永 | 基于无线传感器网络的温室精细作物生长环境监测系统及方法 |
Non-Patent Citations (3)
Title |
---|
KYOICHIRO KATABIRA: "Real-Time Monitoring of People Flows and Indoor Temperature Distribution for Advanced Air-Conditioning Control", 《2008 11TH INTERNATIONAL IEEE CONFERENCE ON INTELLIGENT TRANSPORTATION SYSTEMS》 * |
满凯: "工艺空调新风感应温湿度与实际温湿度偏差纠正", 《现代工业经济和信息化》 * |
黄东: "卷包车间恒温恒湿空调自控系统设计与实施", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113606752A (zh) * | 2021-06-29 | 2021-11-05 | 宁波德业日用电器科技有限公司 | 避免跳变的除湿机湿度显示方法 |
CN115112167A (zh) * | 2022-06-01 | 2022-09-27 | 浙江中烟工业有限责任公司 | 应用于卷烟厂生产区域的温湿度传感器预警系统及方法 |
CN115112167B (zh) * | 2022-06-01 | 2024-07-02 | 浙江中烟工业有限责任公司 | 应用于卷烟厂生产区域的温湿度传感器预警系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110398386B (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109001649B (zh) | 一种电源智能诊断系统及保护方法 | |
CN107720469B (zh) | 一种通过温度气压传感器测量电梯楼层的方法及系统 | |
US20120072029A1 (en) | Intelligent system and method for detecting and diagnosing faults in heating, ventilating and air conditioning (hvac) equipment | |
Amdouni et al. | Monitoring the coefficient of variation using a variable sample size control chart in short production runs | |
US8571811B1 (en) | Double-sided rapid drift correction | |
EP2837270B1 (en) | Fault detection, localization and performance monitoring of photosensors for lighting controls | |
CN109813544B (zh) | 一种基于在线监测的旋转机械早期故障诊断方法及系统 | |
EP3586208B1 (en) | People flow estimation system and the failure processing method thereof | |
CN108876822A (zh) | 一种行为危险度评估方法及家庭安防看护系统 | |
Chen et al. | Soft sensor model maintenance: A case study in industrial processes | |
KR101203500B1 (ko) | 지하 실내 공기질 모니터링 방법 및 지하 실내 공기질 제어 시스템 | |
CN110398386A (zh) | 一种智能化判断空调系统温湿度测点状态的方法 | |
US20210061677A1 (en) | Systems and methods for real-time monitoring of water purification devices | |
Koutli et al. | Abnormal behavior detection for elderly people living alone leveraging IoT sensors | |
EP2631724B1 (en) | Method for measuring health index of plant in which state of lower component is reflected, and computer-readable storage medium in which program for performing the method is stored | |
CN116839818B (zh) | 一种基于阀门试压站的试压监控系统 | |
CN116893654A (zh) | 一种硫酸氨基葡萄糖胶囊制剂制备设备运行状态监控系统 | |
US20220342411A1 (en) | Abnormality sign estimation device for air conditioner, abnormality sign estimation model learning device for air conditioner, and air conditioner | |
JP4053544B2 (ja) | 降霜予測システム | |
JP2014235806A (ja) | 航空障害灯の故障検出システム及び故障検出方法 | |
KR20210022529A (ko) | 엘리베이터에서의 오작동을 검출하기 위한 방법 및 엘리베이터 제어기 | |
JPH10301619A (ja) | 燃料電池発電プラント診断装置 | |
CN110866652B (zh) | 一种基于lstm模型的在线pmu数据纠错方法及系统 | |
CN112370765A (zh) | 一种人工智能健康监控管理平台 | |
EP3836042A1 (en) | Maintenance management device, maintenance management method, and program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |